基于生成对抗网络的图像去模糊

1. 根据给定的模糊图像生成视觉上完整并且统计上一致的去模糊图像，提升模糊图像的清晰度，使用生成性对抗网络（GAN）为基础的深度学习架构; 2. 含训练数据、训练代码以及测试样例，基于keras框架。

import glob as gb
import os

import h5py
import numpy as np
from PIL import Image
from tqdm import tqdm


# normalization x to [-11]
def normalization（x）:
    return x / 127.5 - 1


# according the image path to read the image and covert it
# to the given size then slice it finally return the full and blur images
def format_image（image_path size）:
    image = Image.open（image_path）
    # slice image into full and blur images
    image_full = image.crop（（0 0 image.size[0] / 2 image.size[1]））
    # Note the full image in left the blur image in right
    image_blur = image.crop（（image.size[0] / 2 0 image.size[0] image.size[1]））

    # image_full.show（）
    # image_blur.show（）

    image_full = image_full.resize（（size size） Image.ANTIALIAS）
    image_blur = image_blur.resize（（size size） Image.ANTIALIAS）

    # return the numpy arrays
    return np.array（image_full） np.array（image_blur）


# convert images to hdf5 data
def build_hdf5（jpeg_dir size=256）:
    # put data in HDF5
    hdf5_file = os.path.join（‘data‘ ‘data.h5‘）
    with h5py.File（hdf5_file ‘w‘） as f:

        for data_type in tqdm（[‘train‘ ‘test‘] desc=‘create HDF5 dataset from images‘）:
            data_path = jpeg_dir + ‘/%s/*.jpg‘ % data_type
            images_path = gb.glob（data_path）
            # print（images_path）
            data_full = []
            data_blur = []
            for image_path in images_path:
                image_full image_blur = format_image（image_path size）
                data_full.append（image_full）
                data_blur.append（image_blur）

            # print（len（data_full））
            # print（len（data_blur））
            f.create_dataset（‘%s_data_full‘ % data_type data=data_full）
            f.create_dataset（‘%s_data_blur‘ % data_type data=data_blur）


# load data by data type
def load_data（data_type）:
    with h5py.File（‘data/data.h5‘ ‘r‘） as f:
        data_full = f[‘%s_data_full‘ % data_type][:].astype（np.float32）
        data_full = normalization（data_full）

        data_blur = f[‘%s_data_blur‘ % data_type][:].astype（np.float32）
        data_blur = normalization（data_blur）

        return data_full data_blur


def generate_image（full blur generated path epoch=None index=None）:
    full = full * 127.5 + 127.5
    blur = blur * 127.5 + 127.5
    generated = generated * 127.5 + 127.5
    for i in range（generated.shape[0]）:
        image_full = full[i : : :]
        image_blur = blur[i : : :]
        image_generated = generated[i : : :]
        image = np.concatenate（（image_full image_blur image_generated） axis=1）
        if （epoch is not None） and （index is not None）:
            Image.fromarray（image.astype（np.uint8））.save（path + str（epoch + 1） + ‘_‘ + str（index + 1） + ‘.png‘）
        else:
            Image.fromarray（image.astype（np.uint8））.save（path + str（i） + ‘.png‘）


if __name__ == ‘__main__‘:
    # format_image（‘data/small/test/301.jpg‘ size=256）
    build_hdf5（‘data/small‘）
    img_full img_blur = loa